TD网络多场景自动识别与优化系统.docx

TD网络多场景自动识别与优化系统.docx

《TD网络多场景自动识别与优化系统.docx》由会员分享，可在线阅读，更多相关《TD网络多场景自动识别与优化系统.docx（24页珍藏版）》请在冰豆网上搜索。

TD网络多场景自动识别与优化系统

《TD网络多场景自动识别与优化系统》成果介绍

一、项目简介

1.项目背景　　　　

当前的TD网络优化面临如下一些问题和有待解决的地方：

1）大型居民小区等深度覆盖区域是TD网络优化的难点

TD网络多与GSM共址建站，电磁波传输特性差异与设备技术差异决定了大型居民小区等深度覆盖优化是TD网络优化的重点与难点。

在大型居民小区内，TD信号与2G信号相比，存在弱覆盖、覆盖空洞。

同时大型居民小区内DT测试不方便，数据难以采集，没有有效手段分析解决网络问题。

2）场景优化技术难以推广

早在TD网络发展之初，集团公司即提出了依据小区覆盖场景来优化的方法，并给出了相应的场景参数模板。

实践证明依据小区场景进行优化是非常有效的方法。

但是目前小区场景靠人工识别，这就存在以下两方面的问题，从而限制了场景优化技术的推广使用。

i.通过人工识别小区场景效率低下，尤其在网络规模较大的情况下，几乎难以识别出每个小区的场景。

ii.人工识别存在主观上的判断，在网络环境复杂情况下，容易错误识别。

同时每个人依据自身经验识别，没有统一识别算法，因此识别出的场景各不相同。

3）参数优化严重依赖人工经验

目前依靠人工经验进行参数优化，对优化经验形成强烈依赖，因此对优化人员素质要求较高，这就导致了优化的人力资源成本很高。

而且人工优化效率较低，在网络规模较大的时候，就必须采取人海战术。

4）小区参数没有个性化设置

大多数小区参数为开局设置参数，没有针对其独特的小区覆盖特性进行优化设置，小区性能没有处于最佳状态，因此网络性能还有较大提升空间。

归纳总结起来，本项目的背景需求如下图所示：

图1立项背景图示

因此综上所述，为了解决大型居民小区优化、场景识别效率、参数优化等网络优化问题，以及在如何提高优化效率、降低优化成本等方面，湖南长沙分公司开展了科技进步创新项目，即TD网络覆盖多场景识别技术及自动优化系统。

2.研究目标

根据背景需求的内容，确定本项目所要达到的研究目标如下：

1）研究大型居民小区等深度覆盖场景优化的技术，采用高精度覆盖仿真和场景识别来发现深度覆盖区域的网络问题，在DT测试存在困难的情况下，解决大型居民小区网络问题不易发现的问题。

发现问题后，通过参数优化（天馈、频率扰码、RRM参数）来提升深度覆盖区域网络的性能，提高用户感知。

2）研究TD网络场景的自动识别技术，通过多场景的识别算法研究，利用计算机程序自动识别小区场景，解决人工识别的不足之处，从而将场景优化技术带入实质性的应用阶段。

3）研究TD网络多场景知识库构建技术，在场景识别的基础上，将TD网络优化经验嵌入到知识库中。

通过软件分析网络性能，并最终输出参数优化建议，提供给优化人员实施，在很大程度上释放对优化人员的依赖，提高优化效率。

4）研究不同场景的参数配置，形成多场景参数模板。

通过多场景知识库优化实现小区参数的个性化设置，达到提升网络性能的目的。

5）研究整合项目的各项研究成果，开发多场景优化软件，使用软件对网络进行优化，以达到提网络优化效率，降低优化成本的目的。

3.研究内容

基于本项目的研究目标，提出了如下的研究内容：

1）TD网络覆盖多场景的划分、定义和自动识别研究

研究多场景的划分依据、定义原则和自动识别算法，场景识别是系统应用的基础，如果提供识别精度、识别速度是主要研究内容。

2）高精度覆盖仿真

研究如果提高覆盖预测精度，使覆盖预测的标准误差满足优化大型居民小区等深度覆盖区域的要求。

并且高精度的覆盖预测可以提高地理场景识别的精度。

3）不同场景下TD网络优化与参数配置研究

研究TD网络覆盖优化相关的网络参数，考察网络参数在不同场景下的影响情况，进而决定在不同场景下需要优化的参数。

4）多场景自动优化工具

研究多场景自动优化工具，自动优化工具需要输出两个内容，其一是参数优化方案，即某个小区某个参数具体配置值，其二是网络优化建议。

自动参数优化体现在自动的参数优化方案的输出及自动的网络优化建议输出。

4.研究成果

项目实现了多项研究成果，包括

1）TD网络多场景自动识别与优化系统。

在TD网络覆盖多场景识别技术以及自动优化系统的研究基础上，开发了一款集大型居民小区优化、场景自动识别、参数优化于一体的软件，即湖南移动场景智能优化系统。

该系统为业内一款以场景为基础实现TD网络参数全面优化的软件，填补了国内TD网络优化工具的空白。

应用该系统可以提高网络优化效率50％，降低网络优化成本预计1000W元/年，提升各项网络PKI指标从0.1%~2%不等。

2）专利申请，包括：

《一种基于地理场景自动识别技术的自动小区参数优化方法》、《一种通过概率理论实现基于实测数据优化2-3G邻区的方法》、《一种通过基于MR数据MC仿真实现TD-SCDMA初始上行接入功率优化的方法》。

3）优化经验总结与案例集成，输出文档《多场景下的TD网络优化技术研究报告》和《多场景下TD网络优化案例集》。

4）多场景优化技术的研究，不断探索TD网络优化的新思路、新方法。

包括MR定位、3D射线跟踪模型应用、自动优化和半动态仿真等技术联合应用研究。

图２项目研究成果

本项目相对目前业内同类产品或者项目优势如下：

1）实现TD覆盖下的地理场景和无线场景自动识别，并根据场景参数模板自动优化不同场景下的无线参数。

地理场景包括道路、桥梁等线目标，还包括居民小区、学校、广场等面目标，无线场景则包含覆盖空洞、越区覆盖、快衰落等通过测量数据发现的场景。

2）参考多方面的数据源，包括覆盖仿真数据、OMC性能统计数据和测量数据。

优化范围更广泛、参数优化更精确。

例如，通过覆盖仿真对大型居民区等深度覆盖的优化。

通过对比现网的参数配置和无线性能实现小区个性化参数微调，参数优化更精确。

3）系统的工程参数、资源参数和无线参数优化。

工程参数包括天馈参数（方位角、下倾角和天线类型等）、资源参数包括频率与扰码、无线参数优化不仅实现了2/3G互操作参数的优化，而且实现了接入类参数、保持类参数和移动管理类参数的优化，确保网络性能和用户感知处于最佳状态。

二、项目技术内容

1.TD网络覆盖多场景的划分、定义

地理环境与话务客观描述了TD网络存在的环境，是决定TD网络参数配置的重要因素，作为划分与定义场景的基本维度。

　　　　　　　图３　场景化分基本维度

话务对于场景划分的影响主要考虑：

1）考虑不同话务量、不同业务及业务分布情况下网络性能表现差异很大,要求不同的网络参数配置。

2）划分场景充分考虑话务量、业务类型在地理上的分布，使场景包含话务特征。

由于地理环境是影响无线信号传播的主要因素，因此在参考小区覆盖的地物地貌（例如树木、水域和山体）、矢量（例如河流、道路）和建筑（例如楼宇、广场）等信息上划分地理场景（例如密集室外、商业区）。

同时充分考虑话务量、业务类型在地理上的分布，作为场景划分依据之一。

例如高校场景晚忙时话务明显大于早忙时，而商业区早忙时话务大于晚慢时；商业区数据业务大于　一般室外场景。

地理场景与无线信号相互作用，使无线信号传播过程中表现出不同行为特征，因此定义无线场景（例如下行干扰、弱覆盖、覆盖空洞、下行弱覆盖等）。

划分依据是测量数据和覆盖预测数据。

TD覆盖场景划分为地理场景和无线场景两类场景。

地理环境是参考小区覆盖的地形地貌、矢量信息和建筑物信息划分的，主要解决TD广度覆盖和对于居民区等区域深度覆盖问题。

无线场景是基于覆盖仿真数据、OMC性能统计数据、DT测量数据与OMC设备测量数据等网络实测数据定义的场景，是网络实际覆盖情况的准确反映。

地理场景13个：

一般室内、高层室内、密集室外、一般室外、商业区、高校、广场、城市内湖（河）、铁路（轻轨）、高架桥、隧道（地铁）、跨江大桥、高速等。

无线场景14个：

上行干扰、下行干扰、UPPCH干扰、上行弱覆盖、下行弱覆盖、越区覆盖、覆盖空洞、导频污染、极快衰落、快衰落、拐角效应、乒乓切换、系统内邻区丢失、2G邻区丢失等。

在地理场景和无线场景的基础上，构建多场景二维矩阵。

一个地理场景包含一个或数个无线场景；一个无线场景反映出地理场景的信号特性。

地理场景和无线场景是原因与结果、本质与现象的关系。

　　　　　　图４多场景二维矩阵

2.TD覆盖多场景自动识别技术

根据不同地理场景配置小区参数的方法被集团广泛应用，但是目前地理场景识别都是人工进行的。

本技术方案采用了创新技术，突破了人工识别的限制，利用电子地图承载的信息结合计算机算法实现了地理场景的自动识别。

技术创新点在于对三维电子地图的处理，包括地物地貌的识别、地理栅格化分析，地图矢量的封闭、封闭矢量格的分裂和合并等电子地图处理技术。

在高精度覆盖预测的基础上，地理场景自动识别的效果达到100%，识别精度达到90%以上，识别速度约5秒/平方公里。

下图是多场景自动识别原理方框图：

　　　　图５地理场景自动识别原理方框图

其中几个概念解释如下：

地理地貌识别：

识别出地图承载的信息，如建筑物及高度、街道及宽度、湖泊及大小等。

地理栅格化：

以地图分辨率为单位大小（例如5米*5米）将地图分成一个一个的正方形格子。

封闭矢量格：

利用地图矢量信息（如街道、湖泊岸线）将一个区域连起来，形成一个封闭的格子。

封闭矢量格的分裂与合并：

当矢量格面积较大时，矢量格内可能会出现不同地理场景，因此需要将不同场景之间的界限画出来，反之，当矢量格面积较小，相邻的几个矢量格场景相同，需要合并为一个矢量格。

矢量格包含多个地理栅格，一个地理栅格可以承载不同地貌。

无线场景自动识别技术主要基于仿真数据、DT测试数据和设备测量数据进行识别的。

下图是无线场景识别方框图：

　　　　图６无线场景自动识别原理方框图

3.高精度覆盖仿真技术

本系统利用了高精度仿真技术来实现大型居民区等场景小区的无线参数优化，因此仿真精度对于参数优化效果非常重要。

本项目采用了基于路测数据的二次传播模型校正以提高覆盖仿真精度的创新技术。

传播模型校正精度由区域或者小区细化到了小区覆盖下的每个栅格，因此大幅度提升了覆盖仿真的精度,覆盖仿真结果更接近栅格位置的地物地貌，地理场景识别更加准确。

下面是二次校正的实现机制：

图７　二次较正原理图

经长沙移动现场验证，通过二次校正后的覆盖仿真精度可以达到标准差为6.5dB左右。

4.多场景知识库构建技术

通过分析场景的特征，总结出多场景参数模板，实现小区参数个性化设置；通过提炼大量的优化经验，把KPI指标优化归纳为标准流程，实现了参数的自动优化。

多场景知识库是无线资源管理（RRM）参数优化的核心，包括了三大优化模块，分别是接入类参数优化、保持类参数优化、移动管理类参数和2/3G互操作类参数优化。

弹性场景参数模板是多场景知识库的一部分，是根据不同TD覆盖场景特点而设定的参数集,弹性参数提升了多场景知识库的参数优化精度。

所谓弹性场景参数模板，是指对于某个场景其参数模板中的参数值不是固定不变的，而是根据OMC统计数据小区的性能情况在基准值上下进行偏移，偏移大小根据调整步长而定。

　　　　　图８　多场景知识库

5.2/3G邻区优化技术

本技术是通过概率理论实现基于实测数据优化2-3G邻区的方法。

使用扫频设备同时对TD-SCDMA网络和GSM网络做扫频测试，收集两个网络的测量数据，将扫频测试得到的每个TD-SCDMA网络和GSM网络的测量值映射到小区，并按照预先设定的尺度对包含测量点的区域进行栅格化，根据切换参数TOtherRAT、TUsed和CIOOtherRAT对所有栅格进行分析，满足异系统切换的栅格累计为权重

，直接反映切换可能性概率，最后按照权重和2G小区性能评估对异系统小区进行邻区优先级排序，按照允许设置最多异系统邻区个数输出最优先的N个小区作为异系统邻区。

几何处理子系统主要是为了处理两类问题。

第一个场景是：

定义共站距离参数D1，认为该距离范围内的异系统小区为共站情况，直接配置为邻区，且优先级最高，不可删除。

建议取值范围：

10m~20m。

第二个场景是：

定义最大邻区距离参数D2：

认为该距离范围外的异系统小区不作为邻区考虑。

建议取值范围：

2km~3km。

　　　　　　图９2/3G邻区优化原理图

6.多场景自动优化技术

本项目创新的将自动场景识别、场景建模、场景参数模板、专家知识库、系统仿真技术结合在一起，形成了多场景自动优化技术。

系统形成的参数优化方案精度较高，并且由于结合了OMCCOUNTER能性能数据，因此能够很好的达到参数优化效果。

　　　　　图１０多场景自动优化系统方框图　

自动优化系统实现的参数自动优化包括天馈参数自动优化、频率扰码自动优化、ＲＲＭ参数自动优化。

三、多场景优化软件

湖南移动场景智能优化系统包括６个功能模块，分别是数据源模块、场景分析模块、天馈参数优化模块、资源参数优化模块、多场景知识库模块、RRM参数优化模块。

下面介绍各功能模块。

　　　　　　　　　　　　湖南移动场景智能优化系统功能结构图　　　

1.数据源模块

数据源模块通过导入各种需要的数据源，提取需要的信息并按照软件定义的格式进行保存，为后续功能模块调用。

数据源包含三个菜单：

地图、基础数据、模型数据。

如下图所示：

下面对常用的数据源进行说明：

⏹Planet地图为3维电子地图，包含建筑高程信息

⏹天线库包括小区使用的天线类型、波束列表

⏹2/3G基础数据包括工程参数如小区名称、CI、LAC、经纬度、天线高度、方位角、下倾角和配置数据如RNC配置数据、BSC配置数据

⏹路损数据为模型校正后计算的小区路径损耗信息，用来进行栅格分析。

该数据通过NESTTD软件得到

⏹路测数据为手机终端路测数据或是扫频数据，由路测软件导出

⏹OMC统计数据为OMC后台网管统计数据，由OMC平台导出

⏹切换矩阵为OMC后台网管统计数据，指邻区对之间两两小区间的切换统计

⏹话务数据为OMC后台网管统计数据，由OMC平台导出

⏹C/I数据为根据路测数据仿真得到的干扰矩阵，由NESTTD软件得到

各数据源的作用说明如下表：

数据源分类

序号

数据源名称

选项

作用

地图

1

Planet地图

必选

场景分析

基础数据

2

天线数据库

必选

场景分析、RRM参数优化、天馈参数优化、资源参数优化

3

TD小区工参

必选

场景分析、RRM参数优化、天馈参数优化、资源参数优化

4

RNC配置表

必选

场景分析、RRM参数优化、天馈参数优化、资源参数优化

5

2G小区工参

可选

RRM参数优化

模型数据

6

路测数据

必选

无线场景分析、RRM参数优化

7

OMC统计数据

必选

地理场景分析、RRM参数优化

8

切换矩阵

必选

RRM参数优化

9

路损数据

必选

地理场景分析、天馈优化

10

话务数据

可选

资源参数优化

11

C2I数据

可选

资源参数优化

2.场景分析模块

场景分析模块即分析小区覆盖区域包含的场景，包括地理场景和无线场景。

菜单选项如下图所示：

⏹覆盖仿真用来进行覆盖栅格化分析，确定小区覆盖边界

⏹场景定义用来对各种地理场景和无线场景的识别参数定义门限值

⏹场景分析用来对小区的场景进行自动识别

3.天馈参数优化模块

天馈参数优化菜单用来对小区的天馈参数进行优化，包括天线下倾角、方位角、天线类型、PCCPC信道发射功率。

点击天馈优化即进入优化流程。

4.资源参数优化模块

资源参数优化菜单如下所示：

包含频率扰码分析、频率扰码优化、频率扰码评估三个选项。

频率扰码分析用来对现网配置的频率扰码进行分析检查，以发现配置不合理的频率扰码。

频率扰码优化可以对全网频率扰码重新进行规划或是对局部小区应用频率步步推功能进行优化。

频率扰码评估用来对全网频率扰码配置的干扰情况进行评估。

5.多场景知识库模块

多场景知识库用来设置参数优化判决门限和参数优化调整步长。

菜单包含三个选项，接入类设置、系统内切换设置，系统间切换设置。

例如接入类设置判决门限如下：

通过本页面可以设置TOPN小区的判决门限，以决定小区是否进入优化流程。

通过本页面可以设置各参数的优化调整步长，以满足实际优化的需要。

6.RRM参数优化模块

参数优化模块根据设定的TOPN判决门限和优化调整步长，对TOPN小区进行参数优化判决，输出参数优化建议。

菜单包含两个选项，参数优化和参数评估。

参数优化即参数优化流程，对TOPN小区进行分析，并输出参数优化建议。

流程可以对接入类参数、保存类、系统内切换参数、系统间切换参数进行优化。

参数评估对参数优化建议进行评估，用来反映参数调整预期获得的网络性能指标提升。

四、实验网优化

通过对长沙分公司TD-SCDMA网络RNC7区域作为实验网应用湖南移动场景智能优化系统进行优化，全面检验软件的功能，为后续的推广使用积累经验。

本次实验网优化工作全面检验了湖南移动场景智能优化系统各功能模块，达到了预期目标，为后续平台推广使用奠定了基础。

1.准备工作

1）天馈普查

在应用系统优化之前，需要对天馈参数进行普查，包括每个小区天线的下倾角、方位角、天线高度、天线类型以及小区的经纬度。

天馈普查的目的是为了给后续天馈参数优化提供可靠的数据，只有在准确的天馈参数基础上，系统作出的优化建议才是可靠的。

2）DT测试

DT测试包括使用测试终端和扫频仪对网络进行拉网测试。

DT测试的数据用来进行传播模型的校正。

本次由长沙移动提供了三份路测数据：

RNC7区域终端空载的测试数据、终端业务状态的测试数据、扫频数据。

3）传播模型校正

根据长沙移动提供的DT数据，采用标准SPM（StandardPropagationModule）模型和二次校正技术对RNC7实验网区域进行传播模型校正。

传播模型校正工具，使用了百林通信NeSTTD-SCDMA规划软件，并通过该软件导出实验网区域的路损数据和C/I干扰数据，提供给湖南移动场景智能优化系统使用。

2.优化方案实施效果功能的应用

通过天馈参数优化方案的实施，RNC7实验网覆盖率得到了提升，网络性能得到了提高。

下面是优化前后各个方面的对比。

一：

实验网优化前后覆盖仿真分析指标对比：

指标名称

优化前

百分比

优化后

百分比

改善率

BestServer覆盖率

99.87%

99.90%

0.03%

PCCPCHRSCP（-95<=BestSignalLevel（dBm））

97.24%

98.15%

0.91%

PCCPCHC/I（-3<=C/I（dB））

99.07%

99.18%

0.11%

二：

实验网优化前后路测PCCPCHC/I对比：

路测KPI统计指标对比：

指标名称

优化前百分比

优化后百分比

改善率

覆盖率

92.62%

95.16%

2.54%

接通率（%）

97.59%

97.65%

0.06%

掉话率（%）

1.23%

1.20%

0.03%

平均BLER

1.38%

0.18%

1.20%

路测覆盖指标对比：

指标名称

优化前百分比

优化后百分比

改善率

PCCPCHRSCP（-95<=C/I（dB））

97.08%

97.96%

0.88%

PCCPCHC/I（0<=C/I（dB））

95.96%

96.19%

0.23%

路测PCCPCHRSCP图：

优化前优化后

路测PCCPCHC/I图：

优化前优化后

三：

实验网OMC各项统计指标对比如下表：

实验王优化前后OMC各项统计指标对比如下表（取优化前后5天平均值）：

统计指标

优化前

优化后

改善情况

CS域无线接通率

99.51%

99.56%

0.05%

PS域无线接通率

99.69%

99.69%

保持稳定

CS域无线掉话率

0.30%

0.35%

-0.05%

PS域无线掉线率

0.26%

0.21%

0.05%

RNC内切换成功率

99.05%

99.09%

0.04%

RNC间切换成功率

97.19%

97.48%

0.28%

系统内切换成功率

98.89%

98.96%

0.06%

TD系统语音话务量（erl）

714.45356

685.44172

保持稳定

分组域业务流量（KByte）

22744001.84

21529555.45

保持稳定

优化区域KPI指标趋势图（取优化前后5天平均值）：

无线接通率优化前后对比

无线掉话率优化前后对比

切换成功率优化前后对

3.实验网优化总结

本项目自10月起在长沙移动TD网络优化过程中得到应用，本项目结合CT数据、高精度覆盖预测、OMC性能统计和无线测量数据对网络性能与用户感知进行分析，给出小区的TD网络无线参数优化建议，从而实现TD网络参数的自动优化。

通过该系统的实际运用，能有效的解决TD网络经过长时间精细优化后，网络KPI指标很好的情况下，继续提升客户感知和网络KPI指标的网络优化难题。

根据应用的情况来看，系统的应用效果主要体现在以下两个方面：

1、在效率提升方面，将本系统投入到TD网络优化中可以提升效率达到50%以上。

2、在TD网络质量提升方面，将本系统投入到TD网络优化中可以明显提升TD网络性能，特别在经过长时间精细优化后，网络KPI指标很好的情况下，能继续提升网络性能指标。